Matlab在《數(shù)字圖像處理》教學中的應用研究

楊保華 王菁 梁欣

摘要：根據(jù)數(shù)字圖像處理課程理論與實踐并重的特點，以及Matlab軟件在數(shù)字圖像處理領(lǐng)域的優(yōu)勢，提出應用Matlab進行仿真實踐的教學方法，通過解決混泥土路面裂縫檢測的現(xiàn)實問題介紹了圖像增強、圖像濾波以及圖像分割方法的實際應用，并對比了不同算法的效果。仿真表明Matlab程序簡潔，可以較為容易地實現(xiàn)教學案例，有利于學生理解晦澀難懂的理論和方法，從而激發(fā)學生的學習興趣，并提高解決實際問題的能力，促進應用型人才的培養(yǎng)。

關(guān)鍵詞：數(shù)字圖像處理；Matlab；圖像增強、圖像濾波、圖像分割

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2016）02-0171-02

一、概述

數(shù)字圖像處理課程的教學目標就是通過教學使學生了解和掌握數(shù)字圖像處理的基本理論和技術(shù)，并能夠進行相關(guān)的數(shù)字圖像處理和分析，以滿足各種不同領(lǐng)域應用的需求。為了便于學生系統(tǒng)全面地掌握這門專業(yè)課程，在教學過程中必須加強理論和實踐的融合，讓學生在掌握基本理論和經(jīng)典算法的同時，利用計算機語言進行圖像處理的仿真實驗和應用實踐，由此加深對理論的理解。

Matlab軟件是一款由美國Math Works公司開發(fā)的商業(yè)數(shù)學軟件，可用于數(shù)值計算、數(shù)據(jù)可視化、數(shù)據(jù)分析、算法開發(fā)等場合，其強大的矩陣處理與三維顯示功能，特別適合數(shù)字圖像處理的仿真實驗。Matlab提供的圖像處理工具箱（Image Processing Toolbox），是利用Matlab強大的數(shù)學計算能力，為用戶提供的參照標準算法和圖形工具，可實現(xiàn)廣泛的圖像處理操作[1]。因此，應用Matlab非常有利于數(shù)字圖像處理課程的教學。

本文以處理和分析混泥土路面的裂縫圖像為案例，利用Matlab軟件進行仿真實驗，介紹說明數(shù)字圖像處理教學中圖像增強、圖像濾波、圖像分割、圖像邊緣提取的概念及應用，可以讓學生更加清晰地理解相關(guān)算法，并掌握相應的圖像處理方法的使用。

二、Matlab在教學中的應用案例

經(jīng)濟的快速發(fā)展促使了大量基礎(chǔ)設(shè)施的建造，混凝土這種高強度、高性能的建筑材料已經(jīng)應用于各種各樣的工程中，但由于種種原因，混凝土結(jié)構(gòu)會產(chǎn)生裂縫，并影響其使用性、耐用性和美觀，因此工程人員定期地會對裂縫進行檢測和量化分析。本文通過數(shù)碼相機采集了一幅包含裂縫的混泥土路面的圖像。通過對該圖像的處理分析，來闡述Matlab在教學中的應用。

1.圖像的直方圖均衡化。數(shù)碼相機采集的圖像為真彩色圖像，進行裂縫的檢測只需亮度信息而無須考慮色彩信息，因此，首先將采集的真彩色圖像轉(zhuǎn)換成灰度圖，這一圖像轉(zhuǎn)換過程稱為圖像的灰度化處理。Matlab圖像處理工具箱中提供了函數(shù)rgb2gray，能夠方便地實現(xiàn)圖像的灰度化處理。

圖像采集過程中因光照問題有可能導致圖像辨識度低，此時有必要對圖像進行增強處理。直方圖均衡化對于改善圖像對比度有非常好的效果，其基本思想是根據(jù)輸入圖像的灰度概率分布來確定其對應的輸出灰度值，通過擴展圖像的動態(tài)范圍達到提升圖像對比度的目的。Matlab圖像處理工具箱中提供了函數(shù)histequ進行直方圖均衡化處理和函數(shù)imhist計算和顯示圖像的直方圖。圖1為使用Matlab實現(xiàn)灰度化處理的圖像及其直方圖。圖2為直方圖均衡化后的灰度圖像及其直方圖。程序如下：

2.圖像的濾波。圖像采集和傳輸過程中，通常會產(chǎn)生一定噪聲，影響圖像質(zhì)量，并且對圖像檢測和分析會產(chǎn)生不利影響，因此必須對圖像進行濾波，從而減少或消除噪聲的影響。中值濾波是常用的圖像濾波方法之一，它是一種非線性的信號處理方法，是在含有奇數(shù)點滑動窗口內(nèi)，利用窗口內(nèi)各點灰度值排序后的中值代替窗口中心點灰度值的方法。進行中值濾波不僅可以去除孤點噪聲，而且可以保持圖像的邊緣特性。Matlab圖像處理工具箱中提供了函數(shù)medfilt2用于中值濾波。本文分別選用尺寸為3*3、5*5、7*7的窗口對混泥土路面圖像進行濾波處理，如圖3所示，由圖可見，3*3窗口的濾波效果相對較好。

3.圖像分割。圖像分割就是把圖像分成若干個特定的、具有獨特性質(zhì)的區(qū)域并提出感興趣目標的技術(shù)和過程。圖像分割較為經(jīng)典的方法有邊緣檢測方法、閾值分割法和區(qū)域分割法。近幾年，數(shù)學形態(tài)學、小波分析和模糊數(shù)學等新的理論也被應用于圖像分割，有效地改善了分割效果[1]。

閾值分割是最經(jīng)典和流行的圖像分割方法之一，也是最簡單的一種圖像分割方法，這種方法的關(guān)鍵在于尋找適當?shù)幕叶乳撝?，通常是根?jù)圖像的灰度直方圖來選取。閾值分割法特別適用于目標和背景處于不同灰度級范圍的圖像。邊緣檢測是檢測圖像特性發(fā)生變化的位置，不同的對象灰度不同，邊界處會有明顯的邊緣，利用此特征可以分割圖像。邊緣檢測分割法就是通過檢測出不同區(qū)域的邊界來進行分割的。區(qū)域分割法主要包括區(qū)域生長法和分水嶺分割法，其中區(qū)域生長法是一種串行區(qū)域分割的圖像分割方法，區(qū)域生長的基本思想是將具有相似形質(zhì)的像素集合起來構(gòu)成區(qū)域，分水嶺算法則是借鑒了形態(tài)學理論，是一種較新的基于區(qū)域的圖像分割算法。通常，不同的圖像根據(jù)各自特征需采用不同的分割算法，才能取得較好的分割結(jié)果。本文對混泥土路面裂縫圖像采用區(qū)域生長法來進行仿真試驗。區(qū)域生長法可借鑒參考文獻中作者開發(fā)的名為regiongrow的M函數(shù)來完成，分割后的結(jié)果見圖4。

由圖可見區(qū)域生長法則很好地將圖像中的裂縫從背景中分割出來，分割效果很好，有利于裂縫檢測分析。對已分割出來的圖像進行邊緣檢測，可獲取裂縫的邊緣。Matlab中函數(shù)edge可以實現(xiàn)基于不同算子的邊緣檢測，對于本文的裂縫圖像，canny算子檢測出的邊緣連續(xù)性更好，見圖5。

三、結(jié)論

通過上文實際應用的圖像處理案例可知，Matlab能較容易地實現(xiàn)數(shù)字圖像處理課程中涉及的主要方法和技術(shù)（如圖像增強、圖像濾波、圖像分割等），因此在數(shù)字圖像處理課程中引入Matlab，在進行理論講解的同時，進行仿真演示，可以加深學生對理論的理解。另外，在教學過程中可以引入一些與實際應用相關(guān)的問題來提高學生的學習興趣，如給出一些醫(yī)學影像、生物圖像以及工業(yè)檢測圖像等讓學生進行處理，這樣不但在很大程度上能夠激發(fā)學生的學習興趣，而且可以提高學生獨立思考及解決實際問題的能力，教學效果將顯著增強。

參考文獻：

[1]沈曉晶，王艷，趙慧娟.應用型院校數(shù)字圖像處理本科教學探索[J].計算機教育，2012，（1）.